今天读文献，发现了一个与WEKA类似的的软件工具平台——KEEL，KEEL开源，并且使用纯JAVA语言开发，在我看来，KEEL是可以与WEKA媲美的数据挖掘和分析的软件工具，在某些任务中,KEEL甚至比WEKA更好用，所以有时候可以将两款工具结合在一起，共同服务于数据挖掘和机器学习任务。这篇文章对KEEL进行了一些简单的介绍，此介绍已提交百度百科审核。

       KEEL，Knowledge Extraction based on Evolutionary Learning的简称，是一款开源的数据挖掘软件工具，也是与WEKA一样出名的分析和实验环境，它提供了简洁的GUI，用于执行包括回归、分类、聚类、监督学习等多种数据挖掘任务。KEEL由JAVA语言编写，包含了多种进化算法以及预处理技术与进化学习的整合，这使得它能够对任何学习模型进行完整的分析。
中文名
基于进化学习的知识提取
外文名
knowledge extraction based on evolutionary learning
简    称
KEEL

目录

  1. 1 简介
  2. 2 主要特征
  3. 3 目标人群
  4. ▪ KEEL作为研究工具
  5. ▪ KEEL作为教育工具
  1. 4 功能模块
  2. 5 算法
  3. ▪ 数据预处理算法
  4. ▪ 分类算法
  5. ▪ 回归算法
  6. ▪ 不平衡分类
  1. ▪ 半监督学习
  2. ▪ 多实例学习
  3. ▪ 聚类算法
  4. ▪ 关联规则
  5. ▪ 统计测试

简介

KEEL是knowledge extraction based on evolutionary learning的简称，它是一款开源的JAVA软件工具，遵循GNU的GPLv3许可，受西班牙科技部项目（项目编号TIN-2005-08386-C05-(01, 02, 03, 04 and 05)）的支持。
KEEL能够用于大量不同的知识发现任务，它提供了一个简单的基于数据流的GUI，可以根据不同的数据集和计算智能算法（特别是进化算法）设计实验、评估算法。它包含了各种各样经典的知识提取算法、预处理技术（如训练集选择、特征选择、离散化、缺失值处理等）、计算智能的学习算法、混合模型、对比实验的统计方法等等，它允许对各种算法进行完整的分析、比较。

主要特征

  1. 突出了进化算法在模型预测、预处理（特征选择、训练集选择）、后期处理（模糊规则的进化调优）中的作用
  2. 实现了许多专业文献中的数据挖掘算法，如离散化、噪声滤波等
  3. 提供了一个统计库来分析算法结果，库中包含了一组统计测试，用于分析结果的正态性、异态性，比较含参和非参算法的结果
  4. 许多算法是基于JAVA类库进行开发的
  5. 提供了一个用户友好的界面，并且此界面是面向算法分析的
  6. 该工具的目标是设计包含多种数据集和多种算法的实验，并且实验会产生独立的脚本，能够在不同的机器上运行。
  7. 同时提供线下实验和线下实验，线上实验的设计目的是帮助学习者学习算法的操作。
  8. 包含知识提取算法库，其中整合了多种进化学习算法，也包含经典的学习算法

目标人群

KEEL的用户定位是研究者和学生

KEEL作为研究工具

对于研究者而言，KEEL常用于实验的自动化和结果的统计分析。通常，一个实验的设计包括了进化算法、统计和人工智能等相关技术，KEEL对实验的进程给予了特别的关注，从而能够让研究者对实验的流程进行评估，由于当前的机器学习需要进行大量的计算，所以该研究工具并不是提供算法的实时视图，而是生成一个脚本，然后交由计算机集群执行批处理。该工具允许研究者对大量数据进行预处理、实验、分析，并且将更多注意力放在结果的分析和总结上。

KEEL作为教育工具

学生的需求与研究者不同，一般而言，学生的目标不再是对各种算法进行统计意义上的比较，所以没必要进行进行多次重复性的实验。如果要在类中使用此工具，那么该工具的执行时间必须很短，而且要提供此算法执行的实时视图，学生需要的是学习如何调整算法中的参数。从这个意义上讲，教育工具是研究工具是简化版本，只有一些较相关的算法可用，并且算法的执行是实时的，用户对算法的运行有一个直观的反馈。

功能模块

数据管理

该模块由各种数据管理工具组成，执行各种数据管理任务，包括创建新数据集、导入、导出数据集、数据编辑、可视化、数据转换、数据抽取等

实验设计

该模块的任务是基于数据集和用户需要进行实验的设计，它提供了多种选择：学习类型（分类、回归、无监督学习等）、验证类型（交叉验证等)、.......

针对不平衡数据集的实验设计

该模型的任务与上一个模块（实验设计）相同，只不过该模型针对的是不平衡数据集，鉴于不平衡数据集的特殊性，该模型中的算法主要是针对不平衡数据集

多实例学习算法的实验

在该模块，研究者可以对多实例数据集进行分类，在这种分类情况下，研究者得到的结果不再是一组标记为正或负的实例，而是一组袋子，每个袋子中有多个实例，它们被标记为正或负。通常我们假设：如果一个袋子中的所有实例都是负的，那么这个袋子就被标记为负的，如果一个袋子中至少有一个实例是正的，则此袋子就被标记为正的。

半监督学习算法的实验

半监督学习主要用于一种数据集，这种数据集中的实例包含两种，一种是无类标，即没有类标签，第二种是有类标。在该模块，这种数据集被用于执行演绎和归纳分类。演绎分类的目标是预测数据集中无类标实例的类别，将有类标和无类标的实例结合在一起训练一个分类器；而归纳分类的目标是将所有实例视为训练集，训练后对新的数据进行分类。

统计测试

KEEL为研究者提供了一套完整的成对、多重比较的统计分析技术，该模块预设了一些含参和非参的统计分析过程，这有助于研究者的分析任务。
　

教育实验

与应用于研究者的实验模块的结构相似，此模型设计了一个可以逐步调试的实验流程，从而为学习者提供一个指导，通过使用具有教育目的的平台来展示特定模型或算法的执行过程。

算法

KEEL中包含的算法主要有以下几类：

数据预处理算法

主要包括数据离散化、训练集选择、特征选择、缺失值处理、数据转换、噪声过滤等算法

分类算法

包括基于规则学习的分类算法、基于实例学习的算法、神经网络、支持向量机、统计分类算法等

回归算法

基于规则的回归、基于神经网络的回归、基于统计的回归、基于支持向量机的回归、逻辑回归等

不平衡分类

针对不平衡数据集的分类算法，包括基于采样的算法、代价敏感分类、基于算法改进的不平衡分类

半监督学习

多实例学习

聚类算法

关联规则

统计测试

 

注：KEEL的二进制文件可以在KEEL的官网(http://www.keel.es/)或者github（https://github.com/SCI2SUGR/KEEL）上获取

       KEEL的官网中包含有各种指导文档、javadoc等,可以自行获取

参考资料